基于Pytorch和torchtext的知识图谱深度学习框架。
| lightkg | ||
| test | ||
| .gitignore | ||
| LICENSE | ||
| README.md | ||
| requirements.txt | ||
| setup.py | ||
lightKG，lightsmile个人的知识图谱技术框架
前言
根据知识图谱发展报告2018相关介绍，框架主要设计为有以下五大功能：
- 知识表示学习， Knowledge Representation Learning
- 实体识别与链接， Entity Recognition and Linking
- 实体关系抽取， Entity Relation Extraction
- 事件检测与抽取， Event Detection and Extraction
- 知识存储与查询， Knowledge Storage and Query
- 知识推理， Knowledge Reasoning
因此将有六个主要的功能模块：krl（知识表示学习）、erl（实体识别与链接）、ere（实体关系抽取）、ede（实体检测与抽取）、ksq（知识存储与查询）、kr（知识推理）以及其他功能模块。
当前已实现的功能
知识表示学习
- 基于翻译模型(Trans系列)的知识表示学习， TransE
实体识别与链接
实体关系抽取
事件检测与抽取
知识存储与查询
知识推理
安装
本项目基于Pytorch1.0
pip install lightKG
建议使用国内源来安装，如使用以下命令：
pip install -i https://pypi.douban.com/simple/ lightKG
安装依赖
由于有些库如pytorch、torchtext并不在pypi源中或者里面只有比较老旧的版本，我们需要单独安装一些库。
安装pytorch
具体安装参见pytorch官网来根据平台、安装方式、Python版本、CUDA版本来选择适合自己的版本。
安装torchtext
使用以下命令安装最新版本torchtext：
pip install https://github.com/pytorch/text/archive/master.zip
模型
- krl：TransE等
训练数据说明
krl
csv格式
共三列，依次为头实体、关系、尾实体， 示例如下：
科学,包涵,自然、社会、思维等领域
科学,外文名,science
科学,拼音,kē xué
科学,中文名,科学
科学,解释,发现、积累的真理的运用与实践
语法学,外文名,syntactics
语法学,中文名,语法学
物理宇宙学,对象,大尺度结构和宇宙形成
物理宇宙学,时间,二十世纪
物理宇宙学,所属,天体物理学
使用
krl
训练
from lightkg.krl import KRL
train_path = '/home/lightsmile/NLP/corpus/kg/baike/train.sample.csv'
dev_path = '/home/lightsmile/NLP/corpus/kg/baike/test.sample.csv'
model_type = 'TransE'
krl = KRL()
krl.train(train_path, model_type=model_type, dev_path=train_path, save_path='./krl_{}_saves'.format(model_type))
测试
krl.load(save_path='./krl_{}_saves'.format(model_type), model_type=model_type)
krl.test(train_path)
预测
根据头实体、关系、尾实体，预测其概率
print(krl.predict(head='编译器', rel='外文名', tail='Compiler'))
输出为：
0.998942494392395
根据头实体和关系，预测训练集词表中topk(默认为3)个可能尾实体
print(krl.predict_tail(head='编译器', rel='外文名'))
输出为：
[('Compiler', 0.998942494392395), ('20世纪50年代末', 0.3786872327327728), ('译码器', 0.3767447769641876)]
根据头实体和尾实体，预测训练集词表中topk(默认为3)个可能关系
print(krl.predict_rel(head='编译器', tail='Compiler'))
输出为：
[('外文名', 0.998942494392395), ('英译', 0.8240533471107483), ('拼音', 0.4082326292991638)]
根据尾实体和关系，预测训练集词表中topk(默认为3)个可能头实体
print(krl.predict_head(rel='外文名', tail='Compiler'))
输出为：
[('编译器', 0.998942494392395), ('译码器', 0.36795616149902344), ('计算机，单片机，编程语言', 0.36788302659988403)]
项目组织结构
项目架构
- base
- config.py
- model.py
- module.py
- tool.py
- common
- entity.py
- relation.py
- krl，知识表示学习
- models
- transE
- utils
- models
- utils
架构说明
base目录
放一些基础的模块实现，其他的高层业务模型以及相关训练代码都从此module继承相应父类。
config
存放模型训练相关的超参数等配置信息
model
模型的实现抽象基类，包含base.model.BaseConfig和base.model.BaseModel，包含load、save等方法
module
业务模块的训练验证测试等实现抽象基类，包含base.module.Module，包含train、load、_validate、test等方法
tool
业务模块的数据处理抽象基类，包含base.tool.Tool，包含get_dataset、get_vectors、get_vocab、get_iterator、get_score等方法
common目录
entity
实体基类, 所有需要使用实体对象的使用此类或从此类继承子类
relation
关系基类, 所有需要使用关系对象的使用此类或从此类继承子类
util目录
放一些通用的方法
todo
业务
工程
- 增加断点重训功能。
- 增加earlyStopping。
- 重构项目结构，将相同冗余的地方合并起来，保持项目结构清晰
- 现在模型保存的路径和名字默认一致，会冲突，接下来每个模型都有自己的
name。
功能
- 增加基于翻译模型的知识表示学习相关模型以及训练预测代码
参考
Deep Learning
- What's the difference between “hidden” and “output” in PyTorch LSTM?
- What's the difference between LSTM() and LSTMCell()?
- 深度学习框架技术剖析[转]
NLP
知识图谱
Pytorch教程
- PyTorch 常用方法总结4：张量维度操作（拼接、维度扩展、压缩、转置、重复……）
- Pytorch中的RNN之pack_padded_sequence()和pad_packed_sequence()
- pytorch学习笔记（二）：gradient
- torch.multinomial()理解
- Pytorch 细节记录
- What does flatten_parameters() do?
- 关于Pytorch的二维tensor的gather和scatter_操作用法分析
- Pytorch scatter_ 理解轴的含义
- ‘model.eval()’ vs ‘with torch.no_grad()’
- 到底什么是生成式对抗网络GAN？
torchtext介绍
其他工具模块
数据集
表示学习
命名实体识别
关系抽取
事件抽取
这里暂时粗浅的将语义角色标注技术实现等同于事件抽取任务。